主题：Optimal Treatment Selection with High Dimensional Data
主讲人：北京大学周晓华教授
主持人：统计学院统计研究中心 林华珍教授
时间：2019年12月13日（星期五）下午3:00-4:00
地点：西南财经大学柳林校区弘远楼408会议室
主办单位：统计研究中心 统计学院 科研处
主讲人简介：
周晓华教授是北京大学讲席教授，中组部 国家“千人计划”特聘专家。周晓华教授是国际知名的生物统计学家。北京大学生物统计系主任，北京大学统计科学中心副主任， 北京大学北京国际数学研究中心生物统计及生物信息实验室主任，北京大数据研究院中医大数据中心主任，北京大学医疗大数据中心副主任。先后担任美国印第安纳大学生物统计助理教授， 副教授， 美国华盛顿大学生物统计系教授， 美国国家阿尔茨海默病协调中心副主任, 国际生物统计学会中国分会 (IBS-China) 理事长，中国现场统计研究会生物医学统计学会会长，美国科学促进会会士(Fellow)， 美国统计学会会士(Fellow)，国际统计研究院会士(Fellow)。美国联邦政府食品和药物管理局（FDA）医疗器械和放射健康顾问委员会委员。荣获美国联邦政府授予的研究生涯科学家奖、中国国家自然科学基金委海外杰青, 中国教育部高层次文教专家、中国教育部海外名师等荣誉称号，获美国统计学会贝叶斯分析科学分会及国际贝叶斯统计科学学会Mitchell奖， SCIENCE CHINA-Mathematics评选的年度优秀论文奖。研究方向主要集中于医学检验，随机临床试验中的设计及统计方法，因果推断分析, 医疗大数据，缺失数据，脑科学，卫生经济，卫生服务， 中医药研究等领域发展新的统计方法，做出了许多重要贡献，在国际顶尖的统计和生物统计期刊 J. R. Statist. Soc. B, JASA、Biometrika、Annals of Statistics, Biometrics, Statistics in Medicine 等发表SCI学术论文260余篇, 其中130余篇是第一或通信作者。 先后任生物统计学顶尖期刊， Biometrics, Statistics in Medicine, Journal of American Statistical Association - Theory and Method副编辑，也是国际生物统计学会中国分会会刊，Biostatistics & Epidemiology主编。
主要内容：
In this talk, we introduce a new semi-parametric modeling strategy for heterogeneous treatment ect estimation and individualized treatment selection, which are two major goals in personalized medicine, with a large number of baseline covariates. We achieve the first goal through estimating a covariate-specific treatment effect (CSTE) curve modeled as an unknown function of a weighted linear combination of all baseline covariates. The CSTE curve is estimated by a spline-backfitted kernel procedure, which enables us to further construct a simultaneous confidence band (SCB) for the CSTE curve under a desired confidence level. Based on the SCB, we find the subgroups of patients that benefit from each treatment, so that we can make individualized treatment selection. The proposed method is quite flexible to depict both local and global associations between the treatment and baseline covariates, and thus is robust against model mis-specification in the presence of high-dimensional covariates. We also establish the theoretical properties of our proposed procedure.
异质性治疗效果的估计和个性化治疗方案的选择是当代个性化医疗研究的两个主要问题。当个体具有大量的协变量时，我们提出了一种新的半参数建模方法用以解决这两个问题。首先，我们通过估计给定协变量的治疗效果（CSTE）曲线对异质性治疗效果进行估计，我们将CSTE曲线建模为所有协变量的加权线性组合的未知函数，通过样条和核的向后估计方法进行估计，这使我们能够在所需的置信度水平下进一步构造CSTE曲线的同时置信带（SCB）。基于SCB，我们找到了可以从每种治疗中受益的患者亚组，从而可以进行个性化治疗选择。我们所提出的方法非常灵活，可以描述处理变量和协变量之间的局部和全局关系，因此在存在高维协变量的情况下对于模型误判具有稳健性。我们也构建了估计量的理论性质。
